跳到正文
arXiv · AI· Xinshuai Guo, Junjie Wu, Dolly Deng, Yinghui Li, Hai-Tao Zheng, Suncong Zheng, Maxm Pan·· 2026-10-06AI 评分24

DualViewEval:面向高效智能体基准测试的双视角关系学习

Beyond Outcomes: Dual-View Relational Learning for Efficient Agent Benchmarking

AI 导读

DualViewEval 通过联合利用结果与过程关系来压缩智能体基准测试,在五个基准和五个基线上均取得最佳结果。仅用 20 个任务即可在 APEX-Agents 和 BFCL 上实现 24×–40× 压缩,MAE 较最强对手降低 14.5%–28.2%。

来源:arXiv · AI · arxiv.org